-
公开(公告)号：CN119204720A
公开(公告)日：2024-12-27
申请号：CN202411167907.7
申请日：2024-08-23
Applicant: 三峡大学
Abstract: 本发明涉及一种基于优化集成的短期电力负荷预测方法及系统，获取原始电力负荷数据；对电力负荷数据集进行异常值检测、缺失值检测和数据填补，构建输入序列；对输入序列进行季节趋势分解，提取季节分量、趋势分量和波动分量；训练Informer模型，完成各分量预测；以各分量预测结果为输入，将平均绝对误差与预测误差标准差之和作为优化目标，构建权重最优化模型；通过IDBO算法对各个分量权重进行寻优，根据优化结果对各个分量加权求和，获取最终短期电力负荷预测结果。本发明通过提取电力负荷的季节、趋势和波动分量，构建相对应的Informer模型，并采用集成优化思想对各分量预测结果加权求和，有效提升电力负荷预测精度和稳定性。
-
公开(公告)号：CN119004075A
公开(公告)日：2024-11-22
申请号：CN202411153000.5
申请日：2024-08-21
Applicant: 三峡大学
IPC: G06F18/213 , G06F18/214 , G06F18/22 , G06F18/25 , H02J3/00
Abstract: 本发明涉及一种多模型融合的电力日负荷在线预测方法，采用自编码器和移动平均完善数据集，采用统一信息系数提取高相关性特征，采用徒步优化算法实现KELM模型参数选择，利用KELM模型确定单日负荷预测，基于滚动策略获取次日预测结果，最后运用多指标评估模型预测结果。
-
公开(公告)号：CN117237909A
公开(公告)日：2023-12-15
申请号：CN202310966210.5
申请日：2023-08-02
Applicant: 三峡大学
IPC: G06V20/58 , G06V10/764 , G06V10/82 , G06V10/25 , G06V10/762 , G06V10/44 , G06V10/80 , G06V40/16 , G06V40/20 , G07C9/00 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 一种基于自适应改进YOLOv7网络载体巡检车的检测方法，包括以下步骤：1）利用构建智能平台与人机交互，摄像头输入端连接开发版输出端，云端服务器连接手机APP，检测云端服务器信号并记录数据；2）操作人员采用人脸解锁巡检车，系统采集并记录数据；3）巡检车启动跟随模式，其距离获取装置设置于车体前方，用于感知距离和方位；4）训练改进后的YOLOv7模型，使用该模型识别违规操作与产品，输出通过显示器与手机APP显示；5）通过识别结果，对劣质产品完成自主分类，并自主导航制打包点，由专员进行打包工作，巡逻车完成分配的任务后，自动巡航到指定的停车点。根据本发明，通过将跟踪技术与图像识别技术相结合，有效降低工厂运营复杂程度与工人巡查时间，高效纠正员工错误行为。
-
Patent Agency Ranking
公开(公告)号：CN119109020A
公开(公告)日：2024-12-10
申请号：CN202411123247.2
申请日：2024-08-15
Applicant: 三峡大学
IPC: H02J3/00 , G06F18/23213 , G06F18/22 , G06F18/10 , G06N3/0442 , G06N3/048 , G06N3/006 , G06N3/08
Abstract: 基于模态聚合和最优集成的短期电力负荷预测方法和系统，具体包括：步骤S1：获取电力系统中的电力负荷数据；步骤S2：基于ICEEMDAN对负荷序列进行初步分解；步骤S3：采用排列熵量化子序列的复杂度，通过K‑medoids聚类对熵值相似性高子序列重构，得到聚合模态分量；步骤S4：对聚合模态分量中的高频噪声分量采用Savitzky‑Golay滤波器进一步降噪；步骤S5：采用BiGRU作为预测器，分别对聚合模态分量进行训练和预测；步骤S6：以预测精度和稳定性为目标，构建权重优化模型；步骤S7：采用NSDBO求解优化模型，获取Pareto前沿；步骤S8：以TOPSIS作为决策方法，计算各个Pareto最优解的相对贴近度，确定最佳权重方案；步骤S9：基于决策方案将聚合模态预测序列加权叠加，得到最终的短期电力负荷预测结果。
-
公开(公告)号：CN117001488A
公开(公告)日：2023-11-07
申请号：CN202310966198.8
申请日：2023-08-02
Applicant: 三峡大学
Abstract: 本发明提供了一种人字闸门支枕垫块攀爬打磨装置，包括拱形主体、爬行机构、束缚机构及打磨机构；通过束缚机构的卷扬机提供拉力张紧钢丝绳，使得拱形主体1两侧的辅助轮紧贴于人字闸门的支枕垫块侧斜面；驱动绳轮传递动力带动拱形主体及打磨机构可沿钢丝绳作纵向移动；滑块与导轨相连，带动打磨机构沿导轨作横向移动。因此，本发明装置能够对人字闸门支枕垫块表面大面积高效率多方位打磨，实现高效作业，解决了现有人工打磨作业风险大、成本高、效率低的缺点。
-
公开(公告)号：CN116862860A
公开(公告)日：2023-10-10
申请号：CN202310812599.8
申请日：2023-07-04
Applicant: 中国机械总院集团江苏分院有限公司 , 三峡大学
IPC: G06T7/00 , G06V10/774 , G06V10/82 , G06V10/776 , G06V10/72 , G06N3/0464 , G06N3/08
Abstract: 一种基于Yolov4的冲压智能检测及静态生产数据采集联网方法，它包括以下步骤：步骤S1：利用高清摄像机获取冲压前后的模具图像与冲压件的图像，构建冲压模具与冲压件图像数据集；步骤S2：对冲压模具与冲压件图像数据集进行预处理，并划分为训练集和验证集；步骤S3：通过训练集构建基于Yolov4的冲压检测模型并通过验证集验证该模型实用性；步骤S4：将采集到的数据上传到数据处理中心，实现在线监测和设备联网。
-
公开(公告)号：CN119006427A
公开(公告)日：2024-11-22
申请号：CN202411152989.8
申请日：2024-08-21
Applicant: 三峡大学
IPC: G06T7/00 , G06V10/22 , G06V10/44 , G06V10/774 , G06V10/776 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于轻量化改进的L‑YOLOv8s绝缘子缺陷检测方法。该方法包括以下步骤：通过无人机对输电线路绝缘子缺陷图像进行采集；使用Labelimg对采集到的图像进行标注得到绝缘子缺陷数据集，并对其进行划分；通过将MobileNetV3、ECANet注意力机制、Slim‑Neck结构、WioUv3损失函数加入YOLOv8s模型中，得到L‑YOLOv8s模型；将整理好的数据集放入L‑YOLOv8s模型中进行训练，得到训练完成的模型；最后将待检测图像放入模型中进行定位与检测。本发明参数量低且检测速度快，可以嵌入巡检无人机中，能够满足输电线路绝缘子实时检测的要求，提高绝缘子缺陷检测的准确率和速度。
-
公开(公告)号：CN118245739A
公开(公告)日：2024-06-25
申请号：CN202410354300.3
申请日：2024-03-26
Applicant: 三峡大学
IPC: G06F18/15 , G06N3/006 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/0985 , G06Q50/06
Abstract: 本发明提供了基于相似周和深度学习模型的电动汽车短期负荷预测方法、装置及存储介质，S1：获取电动汽车充电站的历史充电数据及特征信息；S2：基于皮尔逊相关系数和动态时间规整的加权式筛选出与预测周最相似的A个最优相似周序列，加入特征信息作为特征构建相似周数据集；S3：对相似周数据集的所有负荷序列进行CEEMDAN模态分解处理得到N个模态分量，并对天气信息及模态分量进行归一化处理；S4：将归一化后的天气信息及模态分量输入到CNN‑GRU深度学习模型中，对模型进行训练，得到最终的电动汽车短期负荷预测模型；S5：将预测日与其前六天组成预测周，输入到电动汽车短期负荷预测模型中，得到N个归一化的模态分量预测数据；S6：对模态分量预测数据进行反归一化并叠加得到预测日电动汽车负荷数据。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
